JP2007133472A - 故障診断装置及び故障診断方法 - Google Patents
故障診断装置及び故障診断方法 Download PDFInfo
- Publication number
- JP2007133472A JP2007133472A JP2005323330A JP2005323330A JP2007133472A JP 2007133472 A JP2007133472 A JP 2007133472A JP 2005323330 A JP2005323330 A JP 2005323330A JP 2005323330 A JP2005323330 A JP 2005323330A JP 2007133472 A JP2007133472 A JP 2007133472A
- Authority
- JP
- Japan
- Prior art keywords
- model
- image forming
- function
- failure
- forming apparatus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Control Or Security For Electrophotography (AREA)
Abstract
【課題】 汎用性の高い故障診断モデルを用いた故障診断装置を提供する。
【解決手段】 画像形成装置100の備える機能ごとに、確率推論モデルを用いて機能分化された機能分化診断モデルを作成し、機能分化診断モデルを合成した故障診断モデルを記憶する機能診断モデル記憶部11と、診断対象の画像形成装置にはない機能について、機能分化診断モデルの代わりにダミーノードを接続した故障診断モデルを作成するダミーノード接続部12と、ダミーノードを接続した故障診断モデルを用いて画像形成装置の故障箇所を推定する解析処理部13とを有している。
【選択図】 図1
【解決手段】 画像形成装置100の備える機能ごとに、確率推論モデルを用いて機能分化された機能分化診断モデルを作成し、機能分化診断モデルを合成した故障診断モデルを記憶する機能診断モデル記憶部11と、診断対象の画像形成装置にはない機能について、機能分化診断モデルの代わりにダミーノードを接続した故障診断モデルを作成するダミーノード接続部12と、ダミーノードを接続した故障診断モデルを用いて画像形成装置の故障箇所を推定する解析処理部13とを有している。
【選択図】 図1
Description
本発明は、複写機やプリンター等の画像形成装置の故障診断装置および故障診断方法に関する。
従来より複写機やプリンターなどのオフィス機器においては、良好な品質を維持するために専門のサービスマンが派遣され、定期的なメンテナンスが実施されてきた。しかし、近年のオフィス機器のカラー化、高機能化に伴い、故障の様態も複雑化してきており、専門のサービスマンでも故障原因を特定しきれず、かつ顧客サイドでの機器のダウンタイムを極力少なくする必要があることから、故障に関連しそうな部品を複数まとめて交換するようなケースが多発している。
そこで、通信回線を介して、画像形成装置の内部状態を表す情報を管理センタに収集し、管理センタで画像形成装置の故障診断モデルを用いて故障個所の推定を行う技術が提案されている。
故障診断モデルを用いて故障個所を推定する技術には、例えば特許文献1の開示技術がある。特許文献1の画像形成装置は、画像形成装置に故障が発生すると、故障原因候補を導出して、故障シミュレーションを行う。この故障シミュレーションによって故障モデルを選択し、選択した故障モデルを使用して修復計画を作成する。
しかしながら、特許文献1に開示された故障診断モデルを用いた故障診断装置を管理センタのサーバ装置に搭載し、このサーバ装置によって各顧客の画像形成装置を集中管理するような場合、サーバ装置には、管理する顧客の画像形成装置の組み合わせの数だけ診断モデルを用意する必要がある。
すなわち、画像形成装置に搭載される機能は、コピー機能、プリンター機能、ADF(Auto Document Feeder)機能、ファクシミリ機能、大容量給紙トレイ、フィニッシャなど複数の機能があり、顧客によって搭載している機能が異なっている。このためサーバ装置には、故障診断モデルを機能の組み合わせの数だけ用意しなければならず、診断モデル作成に大幅な時間が必要になるという問題がある。
本発明は、上記事情に鑑みてなされたものであり、汎用性の高い故障診断モデルを用いた故障診断装置及び故障診断方法を提供することを目的とする。
かかる目的を達成するために本発明の故障診断装置は、画像形成装置の備える機能ごとに、確率推論モデルを用いて機能分化された機能分化診断モデルを作成し、該機能分化診断モデルを合成した故障診断モデルを記憶する記憶手段と、診断対象の画像形成装置にはない機能について、機能分化診断モデルの代わりにダミーノードを接続した故障診断モデルを作成し、前記画像形成装置の故障箇所を推定する故障箇所推定手段と、を有する構成としている。
このように本発明は、ダミーノードを接続した故障診断モデルを作成しているので、膨大な確率計算を再度やり直す必要なく、簡単に診断対象の画像形成装置の故障個所を診断することができる。
このように本発明は、ダミーノードを接続した故障診断モデルを作成しているので、膨大な確率計算を再度やり直す必要なく、簡単に診断対象の画像形成装置の故障個所を診断することができる。
上記故障診断装置において、前記ダミーノードの条件確率は、対応する機能分化診断モデルを接続したときの結合部で、該対応する機能の状態を測定した測定データを入力する前の事前故障確率に一致させるとよい。
予め与えられている事前確率を全く変更しないで、診断対象の画像形成装置の故障個所を診断することができる。
予め与えられている事前確率を全く変更しないで、診断対象の画像形成装置の故障個所を診断することができる。
上記故障診断装置において、前記ダミーノードは、前記診断対象の画像形成装置の状態を測定した測定データが入力されない独立したノードであるとよい。
上記故障診断装置において、前記確率推論モデルは、ベイジアンネットワークであるとよい。
本発明の故障診断方法は、画像形成装置の備える機能ごとに、確率推論モデルを用いて機能分化された機能分化診断モデルを作成するステップと、前記機能分化診断モデルを合成した故障診断モデルを作成するステップと、診断対象の画像形成装置にはない機能について、機能分化診断モデルの代わりにダミーノードを接続した故障診断モデルを作成するステップと、前記画像形成装置の故障箇所を推定するステップとを有している。
このように本発明は、ダミーノードを接続した故障診断モデルを作成しているので、膨大な確率計算を再度やり直す必要なく、簡単に診断対象の画像形成装置の故障個所を診断することができる。
このように本発明は、ダミーノードを接続した故障診断モデルを作成しているので、膨大な確率計算を再度やり直す必要なく、簡単に診断対象の画像形成装置の故障個所を診断することができる。
本発明によれば、ダミーノードを接続した故障診断モデルを作成しているので、膨大な確率計算を再度やり直す必要なく、簡単に診断対象の画像形成装置の故障個所を診断することができる。
以下、本発明を実施するための最良の形態を図面と共に詳細に説明する。
図1に本発明に関わるシステムの構成を示す。図1に示すシステムは、顧客サイドに置かれた複数の画像形成装置100A,100B,・・・100Nと、これらの画像形成装置を保守・管理する保守センタに配置された故障診断装置1とを有している。顧客サイドに置かれた画像形成装置100A,100B,・・・100Nと、保守センタに置かれた故障診断装置1とは、インターネット等の通信ネットワーク200を介して接続されている。
画像形成装置100(100A,100B,・・・100Nのうちのいずれの画像形成装置であってもよい場合にはこのように表記する)内に記憶されている保守情報(画像形成装置の状態を測定した測定情報)は、定期的に(例えば1日1回)、通信ネットワーク200を介して、それぞれの画像形成装置100に振られている機械番号、データ収集日とともに保守センタの故障診断装置1に送られる。
故障診断装置1では、通信部2で保守情報を受け取り、個々の画像形成装置100を特定できる機械番号、データ収集日とともに記憶部6に格納する。記憶部6には、機械番号に対応して、画像形成装置100がコピー機なのかプリンターなのか、画像形成装置100に搭載されたオプションの有無など、詳細な構成が記録されている。故障診断する場合は、調べたい画像形成装置100の機械番号を入力部4からインプットすると、制御部3は、記憶部6にある該当する保守情報と、画像形成装置のモデルを識別するモデル識別番号を抽出し、解析処理部13に送る。
解析処理部13では、モデル識別番号から画像形成装置100の構成を特定する。解析処理部13は、診断対象の画像形成装置100の構成情報をダミーノード接続部12に転送する。ダミーノード接続部12は、解析処理部13から画像形成装置100の構成情報を取得すると、機能診断モデル記憶部11から全体機能診断モデルを取得する。全体機能診断モデルについては後述する。ダミーノード接続部12は、全体機能診断モデルを取得して、画像形成装置100の構成情報に従って、診断対象の画像形成装置には備えられていない機能、オプションにダミーのノードを付加する。ダミーノードが接続された機能診断モデルと保守情報とを使用して、機能診断を実施し、故障箇所の推定を行う。算出した故障個所は、表示部に機械番号とともに故障確率を表示する。
サービスエンジニアは、推定した故障箇所の部品等を持ってカスタマーを訪問し、保守作業を実施する。また、算出した故障箇所は、診断した日付、機械番号を記憶させておくと、例えば、サービスエンジニアが所有しているノートPC、PDA、携帯電話等の携帯情報端末300から通信ネットワーク200を介して、保守センタの記憶部のデータをダウンロードして見ることもできる。また、画像形成装置100のコントロールパネルによって、通信ネットワーク200を介して保守センタに保守情報を送り、保守センタ側で故障診断を行い、故障箇所の推定結果を画像形成装置100の表示パネルにダウンロードして表示させることもできる。
推定に使う保守情報(画像形成装置の状態を測定する測定データ)は、各センサからの信号(レーザ光量、画質濃度、トナー濃度、温度、湿度等)、ライフカウンタ値、フェイル回数などである。また、フェイルを生じた時のフィード数やフェイル間のフェード数差、及びの過去の推移なども含む。
[故障診断モデルの説明]
図2に、画像形成装置100に搭載可能なすべての機能やオプションを持った全体機能診断モデルを示す。この例では、画像入力装置(以下、IIT(Image Input Terminal)とも表記する)、画像出力装置(以下、IOT(Image Output Terminal)とも表記する)、フィニッシャ、FAX、各種トレイ、DADF(Duplex Auto Document Feeder)、ADF(Auto Document Feeder)など、画像形成装置を機能やオプションによって分割した機能分化診断モデルが複数接続された構成を備えている。図2に示す楕円形で囲まれた1つ1つの機能が機能分化診断モデルを表している。
図2に、画像形成装置100に搭載可能なすべての機能やオプションを持った全体機能診断モデルを示す。この例では、画像入力装置(以下、IIT(Image Input Terminal)とも表記する)、画像出力装置(以下、IOT(Image Output Terminal)とも表記する)、フィニッシャ、FAX、各種トレイ、DADF(Duplex Auto Document Feeder)、ADF(Auto Document Feeder)など、画像形成装置を機能やオプションによって分割した機能分化診断モデルが複数接続された構成を備えている。図2に示す楕円形で囲まれた1つ1つの機能が機能分化診断モデルを表している。
全体機能診断モデルは、画像形成装置の備える機能、オプションごとに設けられた機能分化診断モデルを結合して構成している。図3にはIOTの機能分化診断モデルだけを抜き出して示す。1つの機能分化診断モデルは、確率推論モデルなどで表現される1つのノードではなく、複数のノードで因果関係を構築したネットワークとなる。図3に示すIOTの機能分化診断モデルでは、IOTの故障に影響を及ぼすノード(部品や部位)が接続されている。また、図3に示す矢印は因果関係を示しており、矢印の始点が原因(親)、終点が結果(子)の関係になっている。各ノードには、Normal(正常)、Fail(故障)の確率が付されている。原因ノードを持たないノードには、事前に調査した各部品や部位の故障確率が付与され、原因ノードを持つノードには、条件付き確率が付与される。すなわち、図3に示すようにROSの故障確率が1.23%で、ドラムの故障確率が1.49%で、デベロッパの故障確率が5.4%で、フューザの故障確率が1.48%のとき、IOTの故障は4.07%の確率で起こることを示している。
診断のためのネットワークモデルでは、図4に示すように保守情報(測定した測定データ)を入力するノード(LaserLight、LifeCounter、DensitySensor、TonnerSensor、Temp/HummSenserなど)と、診断の対象となる箇所のノード(ROS(Raster Output Scanner:ラスター出力走査装置),ドラム(Drum),現像器(Developer),フューザ(Fuser))で構成されるのが一般的である。通常画像形成装置内には、レーザの光量検出器、動作回数カウンタ、濃度センサ、トナーセンサ、温度湿度計などのセンサ類が設置されている。これらのセンサによって測定された観測データをインプットすることで、各ノードの故障確率を算出することができる。すなわち、測定データを入力するノードの測定結果によって、これらのノードと接続された診断の対象となる箇所のノードの故障確率が変動する。
レーザの光量検出器(LaserLight)、動作回数カウンタ(LifeCounter)、濃度センサ(DensitySensor)、トナーセンサ(TonnerSensor)、温度湿度計(Temp/HummSenser)などのノードは、観測データから状態が判るので、確率が正常か故障かで100%になっている。この例では、トナーセンサ出力が故障で100%以外は、全て正常の確率が100%になっている。この状態でノードの正常、故障の再計算を行うと、デベロッパ(Developer)の故障確率がもっとも大きく73%となり、デベロッパ(Developer)が故障している可能性がもっとも高いと言える。もちろん、トナーセンサ出力が故障という状態は、デベロッパ以外の原因も十分に考えられるが、この確率推論は故障診断モデル内での故障箇所推定である。もし、他に多くの故障原因が考えられる場合には、新たなネットワークを図3に示すネットワークに加えればよい。具体的な計算方法については、
Finn V.Jensen . Bayesian Networks and Decision Graphs . Springer を参照のこと。
Finn V.Jensen . Bayesian Networks and Decision Graphs . Springer を参照のこと。
図3では、1つの機能分化診断モデルを例にした説明であったが、実際には、1つの機能が他の機能の故障に影響を与えることもあるので、機能分化診断モデル同士を接続した図2に示す全体機能診断モデルが作成される。例えば、IITの故障によって、IOTが影響を受けるので、IITからIOTに矢印が引かれることになる。
本実施例の故障診断装置1では、画像形成装置100のすべての機能を搭載させた全体機能診断モデルを最初に用意しておいて、顧客の画像形成装置の構成に合わせて、顧客の画像形成装置には搭載されていない機能の機能分化診断モデルを除く。例えば、プリンターならば、図5に示すようにIIT、DADF、ADF、手差しトレイはないので、これらの機能分化診断モデルは、故障診断モデルには含まれない。また、複合機ならば、図6に示すように構成に応じてIIT,DADF、大容量トレイや標準トレイなどの機能分化診断モデルが故障診断モデルに含まれる。
例えば、顧客から故障診断の依頼を受けた場合、依頼を受けた顧客の画像形成装置の構成に合わせて故障診断モデルを作り、そのモデルに基づいて各ノードの条件付き確率をすべて計算しなければならない。この確率計算は非常に複雑で時間のかかる処理となる。また、ユーザの所有する画像形成装置のパターンに合わせて、故障診断モデルを持つようにした場合、故障診断モデルを機能の組み合わせの数だけ用意しなければならず、診断モデル作成に大幅な時間が必要になる。
そこで本実施例は、すべての機能が搭載された全体機能診断モデルを予め用意しておいて、故障診断モデルに含まれなかった部分は、ダミーノードを接続する。ダミーノードとは、原因ノード(すなわち親ノード)を持たないノードである。すなわち、ダミーノードは、保守情報がインプットされることはなく、他のノードの故障確率への影響は少ないノードである。
画像形成装置の構成に従って、いかに機能分化診断モデルを構成するかをIITとIOTを例に説明する。なお、IOTの機能分化診断モデルでは、手差しトレイ、大容量トレイ、標準トレイのノードは、省略している。
ダミーノードには、親ノードがなく、保守情報がインプットされない。このためダミーノードには、事前確率が予め与えられる。予め与えられる事前確率は、IITとIOTが接続された状態でのIITの事前確率、図7に示すIIT(Normal99.8%、Fail0.2%)に一致するように選択される。
つまり、図7の点線部分のIIT機能分化診断モデルをダミーノードに置き換える場合は、図8に示すようにダミーノードに(Normal99.8%、Fail0.2%)の値を与える。このようにすると、IOT側には一切の変更無しで、あたかもIITが接続されているように確率計算が行われる。又、プリンターのようにIITを持たない故障診断モデルでの計算結果と複写機のようにIITを持つ故障診断モデルとの確率値に比較も可能となる大きなメリットもある。
また、ダミーノードには、保守情報がインプットされないので、ダミーを挿入して計算した故障診断デモルと、ダミーを挿入しないで再計算した故障診断モデルとで診断対象となるノードの故障確率には影響をあまり与えないノードである。図8で、診断の対象となるROS、Drum,Developer Fuserなどのノードへの故障確率への影響は極めて少ない。
もし、ダミーノードを使わないで、あたかもIITが接続されているように、確率計算を行うには、IOTノードの条件付確率を変更しなければならない。又、ダミーノードに、正常であるという情報(証拠)を入れることは可能だが、この場合もIOTノードの条件付確率を変更しなければならない。また、もしダミーノードを使わないで、IOTノード側の条件付確率も変更しない場合は、故障診断モデルの条件が変更されてしまい、正しい計算はできない。
このように本実施例は、画像形成装置の構成に従って、機能分化診断モデルから故障診断モデルを構成することができる。従って、プリンター、複合機、オプションの有無に用意に対応できる故障診断モデルを提供することができる。さらには、変更になった部分の機能分化診断モデルを作成して追加することで、新規な機種に対しても故障診断モデルを提供することができ、汎用性の高い故障診断モデル構築が可能となる。
図7、8に示す構成におけるベイジアンネットワーク計算の具体例を説明する。
IOT機能分化診断モデルの確率変数(ノード)をIOT,Ros,Drum,Deve,Fuser,Laser,Life,Density,Tonner,Tempとし、IIT機能分化診断モデルの確率変数(ノード)をIIT,CCD,PWBA,ScanMotor,DummyDADF,DummyADF,Lamp,Fail,ScanCountとして、ベイジアンネットワークによる計算を行うと以下の数1のようになる。
IOT機能分化診断モデルの確率変数(ノード)をIOT,Ros,Drum,Deve,Fuser,Laser,Life,Density,Tonner,Tempとし、IIT機能分化診断モデルの確率変数(ノード)をIIT,CCD,PWBA,ScanMotor,DummyDADF,DummyADF,Lamp,Fail,ScanCountとして、ベイジアンネットワークによる計算を行うと以下の数1のようになる。
ここでの各ノードの確率変数の状態は、Normal,Failの2つあり、それぞれの場合について確率が与えておく。例えば、図7の例で、P(Laser)の場合は、P(Laser=Normal)=99%、P(Laser=Fail)=1%となる。P(Density|Drum,Deve)の場合は、Drum,DeveがそれぞれNormal,Failに対して、DensityのNormal,failがあるので、8通りの組み合わせで、確率値を与えておく。故障確率を計算することは、結合確率Pを使って、観測データが与えられたときの特定の部位のFailの条件付確率を算出することである。この計算は、通常、膨大な量になるので専用のアルゴリズムで計算される(前述の非特許文献1参照)。
次にダミーノードを使うメリットについて説明する。結合確率pで、IITに関わる部分は、P(IIT|CCD,PWBA,ScanMotor,DummyDADF,DummyADF)以降の項である。例えば、図7のIITの機能診断モデルをダミーノードP(IIT)で置き換える場合、
もし、ダミーノードを使わない場合では、IOTに関わる項の最後の項に、IITの変数が含まれているため、項P(IOT|Ros,Drum,Deve,Fuser,DummyNodeFAX,IIT)に含まれている確率データを全面的に変更しなければならない。もし、確率データを変更すると、故障診断モデル自体も変わってしまい、例えば、Drumの故障が起こった場合でも、IITのある複写機とIITのプリンターーの場合では、同じ確率値にならない可能性がある。
上述した実施例は本発明の好適な実施の例である。但し、これに限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変形実施可能である。
1 故障診断装置 2 通信部
3 制御部 4 入力部
5 表示部 6 記憶部
10 診断部 11 機能診断モデル機能部
12 ダミーノード接続部 13 解析処理部
100 画像形成装置 200 通信ネットワーク
300 携帯情報端末
3 制御部 4 入力部
5 表示部 6 記憶部
10 診断部 11 機能診断モデル機能部
12 ダミーノード接続部 13 解析処理部
100 画像形成装置 200 通信ネットワーク
300 携帯情報端末
Claims (5)
- 画像形成装置の備える機能ごとに、確率推論モデルを用いて機能分化された機能分化診断モデルを作成し、該機能分化診断モデルを合成した故障診断モデルを記憶する記憶手段と、
診断対象の画像形成装置にはない機能について、機能分化診断モデルの代わりにダミーノードを接続した故障診断モデルを作成し、前記画像形成装置の故障箇所を推定する故障箇所推定手段と、
を有することを特徴とする故障診断装置。 - 前記ダミーノードの条件確率は、対応する機能分化診断モデルを接続したときの結合部で、該対応する機能の状態を測定した測定データを入力する前の事前故障確率に一致させることを特徴とする請求項1記載の故障診断装置。
- 前記ダミーノードは、前記診断対象の画像形成装置の状態を測定した測定データが入力されない独立したノードであることを特徴とする請求項1又は2記載の故障診断装置。
- 前記確率推論モデルは、ベイジアンネットワークであることを特徴とする請求項1から3のいずれか一項記載の故障診断装置。
- 画像形成装置の備える機能ごとに、確率推論モデルを用いて機能分化された機能分化診断モデルを作成するステップと、
前記機能分化診断モデルを合成した故障診断モデルを作成するステップと、
診断対象の画像形成装置にはない機能について、機能分化診断モデルの代わりにダミーノードを接続した故障診断モデルを作成するステップと、
前記画像形成装置の故障箇所を推定するステップと、
を有することを特徴とする故障診断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005323330A JP2007133472A (ja) | 2005-11-08 | 2005-11-08 | 故障診断装置及び故障診断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005323330A JP2007133472A (ja) | 2005-11-08 | 2005-11-08 | 故障診断装置及び故障診断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007133472A true JP2007133472A (ja) | 2007-05-31 |
Family
ID=38155111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005323330A Pending JP2007133472A (ja) | 2005-11-08 | 2005-11-08 | 故障診断装置及び故障診断方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2007133472A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007280136A (ja) * | 2006-04-07 | 2007-10-25 | Fuji Xerox Co Ltd | 故障診断システム及び故障診断方法 |
JP2007281959A (ja) * | 2006-04-07 | 2007-10-25 | Fuji Xerox Co Ltd | 故障診断システム及び故障診断方法 |
JP2008017269A (ja) * | 2006-07-07 | 2008-01-24 | Fuji Xerox Co Ltd | 画像形成装置、故障診断システム、故障診断方法、及び故障診断プログラム |
JP2008160223A (ja) * | 2006-12-20 | 2008-07-10 | Fuji Xerox Co Ltd | 故障診断装置、故障診断システム、及び故障診断プログラム |
CN106679821A (zh) * | 2017-02-13 | 2017-05-17 | 浙江中新电力发展集团有限公司 | 一种基于红外图像的便携式电力设备故障识别检测仪及其操作方法 |
-
2005
- 2005-11-08 JP JP2005323330A patent/JP2007133472A/ja active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007280136A (ja) * | 2006-04-07 | 2007-10-25 | Fuji Xerox Co Ltd | 故障診断システム及び故障診断方法 |
JP2007281959A (ja) * | 2006-04-07 | 2007-10-25 | Fuji Xerox Co Ltd | 故障診断システム及び故障診断方法 |
JP4618185B2 (ja) * | 2006-04-07 | 2011-01-26 | 富士ゼロックス株式会社 | 故障診断システム及び故障診断プログラム |
US7903844B2 (en) | 2006-04-07 | 2011-03-08 | Fuji Xerox Co., Ltd. | Failure analysis system, failure analysis method, and program product for failure analysis |
JP2008017269A (ja) * | 2006-07-07 | 2008-01-24 | Fuji Xerox Co Ltd | 画像形成装置、故障診断システム、故障診断方法、及び故障診断プログラム |
JP4582062B2 (ja) * | 2006-07-07 | 2010-11-17 | 富士ゼロックス株式会社 | 画像形成装置、故障診断システム、故障診断方法、及び故障診断プログラム |
JP2008160223A (ja) * | 2006-12-20 | 2008-07-10 | Fuji Xerox Co Ltd | 故障診断装置、故障診断システム、及び故障診断プログラム |
CN106679821A (zh) * | 2017-02-13 | 2017-05-17 | 浙江中新电力发展集团有限公司 | 一种基于红外图像的便携式电力设备故障识别检测仪及其操作方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7091174B2 (ja) | システム、システムの制御方法及びプログラム | |
JP4609368B2 (ja) | 故障診断モデル生成装置、故障診断システム、及び、故障診断モデル生成プログラム | |
CN102638632A (zh) | 图像形成装置 | |
JP5598130B2 (ja) | 画質異常検査装置、画質異常検査システム及びプログラム | |
JP2007328645A (ja) | 故障診断システム、画像形成装置および故障診断プログラム | |
JP2006216017A (ja) | 自動化された性能分析および障害修復 | |
US9696947B1 (en) | Fault identification for a printing system | |
US8643865B2 (en) | Maintenance system and maintenance method for image processing apparatus | |
JP2008256981A (ja) | 故障診断システム | |
JP6561685B2 (ja) | 画像形成システム、画像形成装置および管理装置 | |
JP2007133472A (ja) | 故障診断装置及び故障診断方法 | |
JP2014016437A (ja) | 画質異常判定装置及びプログラム | |
US20110064278A1 (en) | System and method to detect changes in image quality | |
JP5598293B2 (ja) | 画像形成システム、予測基準設定装置、予測装置、画像形成装置及びプログラム | |
JP5050589B2 (ja) | 記録媒体、画像形成装置、画像欠陥位置判定装置、画像形成プログラム、及び画像欠陥位置判定プログラム | |
US20100274600A1 (en) | Method and system for managing field convertible customer replaceable components | |
JP2007062288A (ja) | 故障診断システム、画像形成装置及び故障診断方法 | |
JP4784225B2 (ja) | 故障診断装置、画像形成装置及び故障診断方法 | |
JP2005125633A (ja) | 印刷装置の異常判定方法およびこれに関する技術 | |
US6370340B1 (en) | Method and apparatus for monitoring parameters corresponding to operation of an electrophotographic marking machine | |
JP2007243347A (ja) | 故障診断システム、画像形成装置及び故障診断方法 | |
JP2007280135A (ja) | 故障診断システム及び故障診断方法 | |
CN101510930A (zh) | 用于通知选择装置的信息的信息处理装置和信息处理系统 | |
JP2008193427A (ja) | 画像形成装置の故障診断システム | |
JP5885434B2 (ja) | 画像形成装置、その方法、及びプログラム |